搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于忆阻器的spiking神经网络在图像边缘提取中的应用

刘玉东 王连明

引用本文:
Citation:

基于忆阻器的spiking神经网络在图像边缘提取中的应用

刘玉东, 王连明

Application of memristor-based spiking neural network in image edge extraction

Liu Yu-Dong, Wang Lian-Ming
PDF
导出引用
  • 根据生物视觉系统的功能原理,用忆阻器模拟生物突触,结合忆阻器的记忆特性和spiking 神经网络的高效处理能力,构造了一种可用于图像边缘提取的三层spiking神经网络模型,该网络用忆阻器电导的变化量来表征图像边缘信息. 仿真结果表明,该方法的边缘提取结果具有连续性、光滑性、低误检漏检性和边缘定位准确性. 该神经网络的处理过程符合生物信息处理机制,为视觉系统的仿生实现提供了新的思路.
    By simulating biological synapses with memristors according to the function and principle of biological visual system and by combining the memory characteristic of memristor with high-efficient processing ability in spiking neural network, a three-layer spiking neural network model for image edge extraction is constructed, in which the image edge information is represented by the variation of the memristor conductance. The edge extraction result obtained with this approach has the characteristics of continuity, smoothness, low false leak detection and edge positioning accuracy. Since the processing mechanism of this neural network conforms to the biological counterpart, it offers a new idea for the bionic implementation of biological visual system.
    • 基金项目: 国家自然科学基金(批准号:21227008)和吉林省科技发展计划(批准号:20130102028JC)资助的课题.
    • Funds: Project supported by the National Natural Science Foundation of China (Grant No. 21227008) and the Jilin Provincial Development Program of Science and Technology, China (Grant No. 20130102028JC).
    [1]

    Li C, Shi D, Zou Y P 2012 Acta Phys. Sin. 61 070701 (in Chinese) [李承, 石丹, 邹云屏 2012 物理学报 61 070701]

    [2]

    Jin Q T, Wang J, Wei X L 2011 Acta Phys. Sin. 60 098701 (in Chinese) [金淇涛, 王江, 魏熙乐 2011 物理学报 60 098701]

    [3]

    Serrano-Gotarredona T, Masquelier T, Prodromakis T, Indiveri G, Linares-Barranco B 2013 Front. Neurosci. 7 2

    [4]

    Hu F W, Bao B C, Wu H G 2013 Acta Phys. Sin. 62 218401 (in Chinese) [胡丰伟, 包伯成, 武花干 2013 物理学报 62 218401]

    [5]

    Hong Q H, Zeng Y C, Li Z J 2013 Acta Phys. Sin. 62 230502 (in Chinese) [洪庆辉, 曾以成, 李志军 2013 物理学报 62 230502]

    [6]

    Afifi A, Ayatollahi A, Raissi F 2009 Proceedings of the European Conference on Circuit Theory and Design Conference Program Antalya, Turkey, August, 23-27, 2009 p563

    [7]

    Pershin Y V, Ventra D M 2010 Neural Networks 23 881

    [8]

    Ghosh D S, Adeli H 2009 Int. J. Neural Syst. 19 295

    [9]

    Egmont P M, De-ridder D, Handels H 2012 Patt. Recogn. 35 2279

    [10]

    Kim J J, Diamond D M 2002 Nat. Rev. Neurosci. 3 453

    [11]

    Strukov D B, Snider G S, Stewart D R, et al. 2008 Nature 453 80

    [12]

    Wang L M, Huang Y, Deng Y F 2008 J. Northeast Normal Univ. (Nat. Sci.) 40 346 (in Chinese) [王连明, 黄莹, 邓玉芬 2008 东北师大学报 (自然科学版) 40 346]

    [13]

    Song D H L M F, Ren X 2012 Acta Phys. Sin. 61 118101 (in Chinese) [宋德华, 吕梦菲, 任翔 2012 物理学报 61 118101]

    [14]

    Wang L D, Duan S K 2012 IJBC 22 1250205

    [15]

    Liang Y, Yu D S, Chen H 2013 Acta Phys. Sin. 62 158501 (in Chinese) [梁燕, 于东升, 陈昊 2013 物理学报 62 158501]

    [16]

    Fang X D, Tang Y H, Wu J J 2012 Chin. Phys. B 21 098901

    [17]

    Zhou J, Huang D 2012 Chin. Phys. B 21 048401

    [18]

    Jessell T M, Kande E R, Schwartz J H 2002 Principles of Neural Science (New York: McGraw-Hill) pp533-540

  • [1]

    Li C, Shi D, Zou Y P 2012 Acta Phys. Sin. 61 070701 (in Chinese) [李承, 石丹, 邹云屏 2012 物理学报 61 070701]

    [2]

    Jin Q T, Wang J, Wei X L 2011 Acta Phys. Sin. 60 098701 (in Chinese) [金淇涛, 王江, 魏熙乐 2011 物理学报 60 098701]

    [3]

    Serrano-Gotarredona T, Masquelier T, Prodromakis T, Indiveri G, Linares-Barranco B 2013 Front. Neurosci. 7 2

    [4]

    Hu F W, Bao B C, Wu H G 2013 Acta Phys. Sin. 62 218401 (in Chinese) [胡丰伟, 包伯成, 武花干 2013 物理学报 62 218401]

    [5]

    Hong Q H, Zeng Y C, Li Z J 2013 Acta Phys. Sin. 62 230502 (in Chinese) [洪庆辉, 曾以成, 李志军 2013 物理学报 62 230502]

    [6]

    Afifi A, Ayatollahi A, Raissi F 2009 Proceedings of the European Conference on Circuit Theory and Design Conference Program Antalya, Turkey, August, 23-27, 2009 p563

    [7]

    Pershin Y V, Ventra D M 2010 Neural Networks 23 881

    [8]

    Ghosh D S, Adeli H 2009 Int. J. Neural Syst. 19 295

    [9]

    Egmont P M, De-ridder D, Handels H 2012 Patt. Recogn. 35 2279

    [10]

    Kim J J, Diamond D M 2002 Nat. Rev. Neurosci. 3 453

    [11]

    Strukov D B, Snider G S, Stewart D R, et al. 2008 Nature 453 80

    [12]

    Wang L M, Huang Y, Deng Y F 2008 J. Northeast Normal Univ. (Nat. Sci.) 40 346 (in Chinese) [王连明, 黄莹, 邓玉芬 2008 东北师大学报 (自然科学版) 40 346]

    [13]

    Song D H L M F, Ren X 2012 Acta Phys. Sin. 61 118101 (in Chinese) [宋德华, 吕梦菲, 任翔 2012 物理学报 61 118101]

    [14]

    Wang L D, Duan S K 2012 IJBC 22 1250205

    [15]

    Liang Y, Yu D S, Chen H 2013 Acta Phys. Sin. 62 158501 (in Chinese) [梁燕, 于东升, 陈昊 2013 物理学报 62 158501]

    [16]

    Fang X D, Tang Y H, Wu J J 2012 Chin. Phys. B 21 098901

    [17]

    Zhou J, Huang D 2012 Chin. Phys. B 21 048401

    [18]

    Jessell T M, Kande E R, Schwartz J H 2002 Principles of Neural Science (New York: McGraw-Hill) pp533-540

  • [1] 郭慧朦, 梁燕, 董玉姣, 王光义. 蔡氏结型忆阻器的简化及其神经元电路的硬件实现. 物理学报, 2023, 72(7): 070501. doi: 10.7498/aps.72.20222013
    [2] 王世场, 卢振洲, 梁燕, 王光义. N型局部有源忆阻器的神经形态行为. 物理学报, 2022, 71(5): 050502. doi: 10.7498/aps.71.20212017
    [3] 胡炜, 廖建彬, 杜永乾. 一种适用于大规模忆阻网络的忆阻器单元解析建模策略. 物理学报, 2021, 70(17): 178505. doi: 10.7498/aps.70.20210116
    [4] 任宽, 张珂嘉, 秦溪子, 任焕鑫, 朱守辉, 杨峰, 孙柏, 赵勇, 张勇. 基于忆容器件的神经形态计算研究进展. 物理学报, 2021, 70(7): 078701. doi: 10.7498/aps.70.20201632
    [5] 史晨阳, 闵光宗, 刘向阳. 蛋白质基忆阻器研究进展. 物理学报, 2020, 69(17): 178702. doi: 10.7498/aps.69.20200617
    [6] 邵楠, 张盛兵, 邵舒渊. 具有感觉记忆的忆阻器模型. 物理学报, 2019, 68(1): 018501. doi: 10.7498/aps.68.20181577
    [7] 邵楠, 张盛兵, 邵舒渊. 具有经验学习特性的忆阻器模型分析. 物理学报, 2019, 68(19): 198502. doi: 10.7498/aps.68.20190808
    [8] 徐威, 王钰琪, 李岳峰, 高斐, 张缪城, 连晓娟, 万相, 肖建, 童祎. 新型忆阻器神经形态电路的设计及其在条件反射行为中的应用. 物理学报, 2019, 68(23): 238501. doi: 10.7498/aps.68.20191023
    [9] 陈义豪, 徐威, 王钰琪, 万相, 李岳峰, 梁定康, 陆立群, 刘鑫伟, 连晓娟, 胡二涛, 郭宇锋, 许剑光, 童祎, 肖建. 基于二维材料MXene的仿神经突触忆阻器的制备和长/短时程突触可塑性的实现. 物理学报, 2019, 68(9): 098501. doi: 10.7498/aps.68.20182306
    [10] 刘益春, 林亚, 王中强, 徐海阳. 氧化物基忆阻型神经突触器件. 物理学报, 2019, 68(16): 168504. doi: 10.7498/aps.68.20191262
    [11] 吴洁宁, 王丽丹, 段书凯. 基于忆阻器的时滞混沌系统及伪随机序列发生器. 物理学报, 2017, 66(3): 030502. doi: 10.7498/aps.66.030502
    [12] 邵楠, 张盛兵, 邵舒渊. 具有突触特性忆阻模型的改进与模型经验学习特性机理. 物理学报, 2016, 65(12): 128503. doi: 10.7498/aps.65.128503
    [13] 袁泽世, 李洪涛, 朱晓华. 基于忆阻器的数模混合随机数发生器. 物理学报, 2015, 64(24): 240503. doi: 10.7498/aps.64.240503
    [14] 孟凡一, 段书凯, 王丽丹, 胡小方, 董哲康. 一种改进的WOx忆阻器模型及其突触特性分析. 物理学报, 2015, 64(14): 148501. doi: 10.7498/aps.64.148501
    [15] 徐晖, 田晓波, 步凯, 李清江. 温度改变对钛氧化物忆阻器导电特性的影响. 物理学报, 2014, 63(9): 098402. doi: 10.7498/aps.63.098402
    [16] 田晓波, 徐晖, 李清江. 横截面积参数对钛氧化物忆阻器导电特性的影响. 物理学报, 2014, 63(4): 048401. doi: 10.7498/aps.63.048401
    [17] 刘东青, 程海峰, 朱玄, 王楠楠, 张朝阳. 忆阻器及其阻变机理研究进展. 物理学报, 2014, 63(18): 187301. doi: 10.7498/aps.63.187301
    [18] 李志军, 曾以成, 李志斌. 改进型细胞神经网络实现的忆阻器混沌电路. 物理学报, 2014, 63(1): 010502. doi: 10.7498/aps.63.010502
    [19] 许碧荣. 一种最简的并行忆阻器混沌系统. 物理学报, 2013, 62(19): 190506. doi: 10.7498/aps.62.190506
    [20] 贾林楠, 黄安平, 郑晓虎, 肖志松, 王玫. 界面效应调制忆阻器研究进展. 物理学报, 2012, 61(21): 217306. doi: 10.7498/aps.61.217306
计量
  • 文章访问数:  6077
  • PDF下载量:  1293
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-12-05
  • 修回日期:  2014-01-16
  • 刊出日期:  2014-04-05

/

返回文章
返回